萎凋和發(fā)酵過程是紅茶加工過程中的關(guān)鍵環(huán)節(jié),,萎凋程度和發(fā)酵程度是衡量加工工藝的關(guān)鍵參數(shù),。目前,萎凋和發(fā)酵程度的判斷主要通過生化分析和感官評價進行,,存在耗時費力,、效率低下、主觀性強等問題,。而高光譜成像作為一種高效,、快捷、無損監(jiān)測方法,,對于提高生化成分監(jiān)測效率,,判斷萎凋和發(fā)酵程度具有重要意義。
山東農(nóng)業(yè)大學(xué)丁兆堂教授團隊利用我司高光譜成像設(shè)備(Gaia field Pro-V10),,采集了茶鮮葉萎凋和發(fā)酵過程中的高光譜數(shù)據(jù),,同時測定了各茶葉樣本中的TPs(茶多酚),、FAA(游離氨基酸)和CAF 含量;采用卷積平滑法,、多元散射校正和一階導(dǎo)數(shù)算法對高光譜數(shù)據(jù)進行預(yù)處理,;通過機器學(xué)習(xí)和多種算法構(gòu)建了TPs、FAA和CAF含量的監(jiān)測模型,。試驗流程如圖1所示:
圖1 高光譜數(shù)據(jù)的采集和分析
圖2表示高光譜數(shù)據(jù)預(yù)處理前后的光譜圖,,提高了光譜數(shù)據(jù)與茶葉品質(zhì)成分之間的相關(guān)性。然后采用連續(xù)投影算法(SPA),、競爭性自適應(yīng)重加權(quán)(CARS)和無信息變量消除(UVE)方法,,選擇特征波段。特征波段的篩選結(jié)果如圖3所示,。
圖2 原始數(shù)據(jù)與經(jīng)過預(yù)處理的光譜圖,。
(A)茶葉樣本原始光譜圖 (B)MSC+1D+S-G算法預(yù)處理后的光譜圖
圖3 特征波段的分布
最后基于選取的特征波段,結(jié)合支持向量機(SVM),、隨機森林(RF),、偏最小二乘法(PLS),建立TPs,、FAA和CAF含量的監(jiān)測模型,,用于定量判斷萎凋和發(fā)酵程度。圖4表明,,TPs,、FAA和CAF含量預(yù)測的模型分別是CARS-PLS、SPA-PLS和CARS-PLS,,模型預(yù)測集的決定系數(shù)分別為0.91,、0.88和0.81。
圖5 TPs,、FAA,、CAF含量的預(yù)測散點圖
(A、B,、C)通過CARS-SVM,、CARS-PLS、CARS-RF模型獲得的TPs含量預(yù)測結(jié)果 (D,、E,、F)通過CARS-SVM、CARS-PLS,、CARS-RF模型獲得的FAA含量預(yù)測結(jié)果 (G,、H、I) 通過CARS-SVM,、 CARS-PLS,、CARS-RF模型獲得的CAF含量預(yù)測結(jié)果
結(jié)果表明,,基于高光譜成像技術(shù)快速量化判斷茶葉萎凋和發(fā)酵程度是可行的??傊?,建立基于高光譜成像技術(shù)的茶葉樣本中FAA和TPs含量定量預(yù)測模型,不僅為實際生產(chǎn)中紅茶品質(zhì)成分含量快速,、無損估計奠定了基礎(chǔ),,而且使客觀、快捷判斷萎凋和發(fā)酵程度成為可能,。
作者簡介:
丁兆堂,,博士,青島農(nóng)業(yè)大學(xué)園藝學(xué)院教授,。
主要研究方向:茶樹生長發(fā)育及其環(huán)境應(yīng)答的分子機理,;茶葉品質(zhì)與抗逆的分子機制研究。
參考文獻:Mao, Y.; Li, H.; Wang, Y.; Fan, K.; Song, Y.; Han, X.; Zhang, J.; Ding, S.; Song, D.; Wang, H.; Ding, Z. Prediction of Tea Polyphenols, Free Amino Acids and Caffeine Content in Tea Leaves during Wilting and Fermentation Using Hyperspectral Imaging[J]. Foods 2022, 11, 2537.
(空格分隔,最多3個,單個標(biāo)簽最多10個字符)
立即詢價
您提交后,,專屬客服將第一時間為您服務(wù)